随着人工智能的不断发展,使用自动化程度较高的机器来分担部分人类的劳动这一命题已经在很多领域逐渐渗透。字符识别技术的不断成熟,使得快递编号识别、冠字码识别等成为可能。基于人民币图像的冠字码识别便是一个重要的应用场合。针对特定环境采集的人民币图像,可设计一套针对钞票冠字号码识别的方法。采集到的图像并非仅仅包括冠字码区域,是完整的人民币图像,而且还包含有环境的背景区域,所以需要将处理对象由整幅人民币图像缩小为冠字码区域。采用最小二乘法法对钞票边缘采样点进行拟合,获取钞票的底部边缘和左侧边缘倾斜角度,使用一系列对应的图像变换,用机械定位的方法获得初定位后冠字码的大致区域。应用自主提出的基于像素值频数变化的定位方法对区域进行精确定位,定位同时进行校正,获取校正后的冠字码区域图像。使用高斯滤波对冠字码图像进行滤波平滑处理,并对冠字码图像进行二值化处理。提出了基于评价函数的移动字符框法对冠字码序列进行分割,有效的规避了传统的投影分割法带来的分割结果不稳定,在字符粘连和断裂时也可进行准确分割。由于精确定位和字符分割算法都在实验中取得了良好的效果,在通过实验对比外围特征、穿越特征、边界点特征、网格特征等特征提取方法后,结合算法的速度要求,采用网格特征。网格特征提取方法快捷简单,网格较细时灵敏度较高,有利于相似字符的区分。最终采用BP神经网络对样本集训练得到分类器模型,对字符进行识别,BP神经网络有识别率较高,稳定性好,用时短等优点。在实际项目实验过程中,本算法在运算时间和识别率等方面都达到了课题的要求。在采用720个样本进行训练得到的模型上测试的1000张钞票的冠字码识别结果,识别率达到了99.9%。